CN104202257A - 一种基于带宽估计的卫星网络拥塞控制方法 - Google Patents

Abstract

本发明公开了一种基于带宽估计的卫星网络拥塞控制方法，包括以下步骤：S1：建立网络传输链路；S2：采用Hybla-BE拥塞控制算法进行数据通信；S3：地面站I的TCP发送端根据到达的ACK的接收频率计算带宽估计值；S4：计算期望带宽；S5：计算通信网络的剩余带宽、Hybla算法的拥塞窗口增长因子ρ_current、Hybla-BE算法的拥塞窗口增长因子ρ_new；S6：根据调整后的窗口增长因子ρ_new调整拥塞窗口值；S7：调整拥塞窗口值：地面站I的TCP发送端通过动态估计带宽值预测网络的带宽环境，根据剩余带宽对窗口增长因子进行缩放调整，实现拥塞窗口值的增长可以动态适应网络带宽状况。

Description

一种基于带宽估计的卫星网络拥塞控制方法

技术领域

本发明属于卫星通信技术领域，尤其涉及一种基于带宽估计的卫星网络拥塞控制方法。

背景技术

随着卫星通信技术的不断发展，卫星通信网络在通信领域中占有极其重要的地位。研究表明，将TCP协议直接应用于卫星网络将出现很多问题，其中最为突出的就是长时延特性使得往返时延明显增大，进一步导致网络传输性能下降。针对卫星网络的长时延特性提出了Hybla算法，该算法通过修改慢启动和拥塞避免阶段窗口的变化规则，利用规范化RTT降低了窗口变化与RTT之间的相关性，可以快速增加拥塞窗口，从而削弱了卫星链路长时延特性的影响，保证了传输速率。此外，该算法可以快速恢复由于链路误码而降低的拥塞窗口，进而缓解了高误码造成的传输性能下降问题。

采用Hybla算法同时也存在一些问题。首先，由于不能准确预测链路状况，在出现拥塞导致时延增大时，Hybla算法激进的窗口增长方式反而会加重拥塞程度。其次，虽然Hybla算法可以达到较高的网络吞吐量，但其过大的窗口尺度会造成严重的缓存溢出。另外，由于网络负载较大而引起时延增大的情况下，这种激进的窗口增长方式，使窗口的增长不能匹配卫星网络动态环境，反而容易导致拥塞的发生。

发明内容

根据现有技术存在的问题，本发明公开了一种基于带宽估计的卫星网络拥塞控制方法，包括以下步骤：

S1：建立网络传输链路，所述网络传输链路包括连接多个TCP发送端的地面站I和连接多个TCP接收端的地面站II，所述地面站I和地面站II通过高轨卫星数据通信；

S2：开始数据通信：地面站I的TCP发送端与地面站II的TCP接收端的传输层协议采用Hybla-BE拥塞控制算法进行数据通信；

S3：地面站I的TCP发送端根据到达的ACK的接收频率计算带宽估计值，即上一时刻通信所占用的带宽；

S4：计算期望带宽：所述期望带宽为理论上上一时刻网络的最大带宽；

S5：计算通信网络的剩余带宽、Hybla算法的拥塞窗口增长因子ρ_current、Hybla-BE算法的拥塞窗口增长因子ρ_new；

S6：根据调整后的窗口增长因子ρ_new调整拥塞窗口值：在慢启动阶段，每收到一个ACK拥塞窗口的增量为在拥塞避免阶段，则拥塞窗口的增量为ρ_new ²/W_i，W_i是第i个ACK到来时的拥塞窗口值，采用上述方式对拥塞窗口进行更新即：

S7：调整拥塞窗口值：地面站I的TCP发送端通过动态估计带宽值预测网络的带宽环境，根据剩余带宽对窗口增长因子进行缩放调整，实现拥塞窗口值的增长可以动态适应网络带宽状况。

进一步的，S3中计算带宽估计值时采用如下公式：

$\left\{\begin{array}{c}{\mathrm{BE}}_k={\mathrm{\α}}_k{\mathrm{BE}}_{k-1}+(1-{\mathrm{\α}}_k)\left(\frac{b_k+b_{k-1}}{2}\right)\\ {\mathrm{\α}}_k=\frac{2\mathrm{\τ}-{\mathrm{\Δt}}_k}{2\mathrm{\τ}+\mathrm{\Δ}{t}_k}\\ b_k=\frac{d_k}{t_k-t_{k-1}}\end{array}\right.$

其中，BE_k是t_k时刻的带宽估计值，α_k是过滤权值，d_k是第k个ACK所响应的数据量，t_k是第k个ACK的到达时间，△t_k＝t_k-t_k-1，1/τ是滤波器的截止频率。

进一步的，S4中计算期望带宽bw_expect时采用如下公式计算：

bw_expect＝cwnd/min_rtt

其中：cwnd是当前窗口值，min_rtt是目前测得的最小往返时延。

进一步的，S5中所述剩余带宽br采用如下方式计算：

br＝bw_expect-be

其中，be是当前测得的带宽估计值。

进一步的，S5中所述Hybla算法的拥塞窗口增长因子ρ_current采用如下方式计算：

ρ_current＝RTT/RTT₀

其中，RTT₀参考有线连接的往返时延，取值为25ms，RTT是当前测得的往返时延。

进一步的，S5中Hybla-BE算法的拥塞窗口增长因子ρ_new采用如下方式：

${\mathrm{\ρ}}_{\mathrm{new}}={\mathrm{\ρ}}_{\mathrm{current}}*\frac{\mathrm{br}}{\mathrm{bw}\_\mathrm{expect}}.$

由于采用了上述技术方案，本发明提供的一种基于带宽估计的卫星网络拥塞控制方法，针对Hybla算法在长延时卫星网络中拥塞窗口增长表现激进，发送速率不能准确匹配链路实时状况的问题提出一种基于链路带宽估计调整拥塞窗口的Hybla-BE算法，该算法通过带宽估计获得剩余可用带宽，并据此调整拥塞窗口的增长因子，使发送速率可以适应卫星网络环境的动态变化，以提高网络性能并且可以获得较高的网络吞吐量。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明卫星网络拥塞控制方法的流程图；

图2为本发明中实施例所处的网络环境示意图；

图3为本发明与原拥塞控制算法的拥塞窗口对比图；

图4为本发明在单连接网络中与现有拥塞控制算法吞吐量对比图；

图5为本发明在多连接网络中与现有拥塞控制算法吞吐量对比图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1和图2所述的基于带宽估计的卫星网络拥塞控制方法，具体步骤为：

S1：建立网络传输链路，所述网络传输链路包括连接多个TCP发送端的地面站I和连接多个TCP接收端的地面站II，所述地面站I和地面站II通过高轨卫星数据通信。节点信息如表1所示：

表1节点经纬度信息

S2：开始数据通信：地面站I的TCP发送端与地面站II的TCP接收端的传输层协议采用Hybla-BE拥塞控制算法进行数据通信。

S3：地面站I的TCP发送端根据到达的ACK的接收频率计算带宽估计值，即上一时刻通信所占用的带宽；

S4：计算期望带宽：所述期望带宽为理论上上一时刻网络的最大带宽；

S5：计算通信网络的剩余带宽、Hybla算法的拥塞窗口增长因子ρ_current、Hybla-BE算法的拥塞窗口增长因子ρ_new；

S6：根据调整后的窗口增长因子ρ_new调整拥塞窗口值：在慢启动阶段，每收到一个ACK拥塞窗口的增量为在拥塞避免阶段，则拥塞窗口的增量为ρ_new ²/W_i，W_i是第i个ACK到来时的拥塞窗口值，采用上述方式对拥塞窗口进行更新即：

S7：调整拥塞窗口值：地面站I的TCP发送端通过动态估计带宽值预测网络的带宽环境，根据剩余带宽对窗口增长因子进行缩放调整，实现拥塞窗口值的增长可以动态适应网络带宽状况。

进一步的，S3中计算带宽估计值时采用如下公式：

$\left\{\begin{array}{c}{\mathrm{BE}}_k={\mathrm{\α}}_k{\mathrm{BE}}_{k-1}+(1-{\mathrm{\α}}_k)\left(\frac{b_k+b_{k-1}}{2}\right)\\ {\mathrm{\α}}_k=\frac{2\mathrm{\τ}-{\mathrm{\Δt}}_k}{2\mathrm{\τ}+\mathrm{\Δ}{t}_k}\\ b_k=\frac{d_k}{t_k-t_{k-1}}\end{array}\right.$

其中，BE_k是t_k时刻的带宽估计值，α_k是过滤权值，d_k是第k个ACK所响应的数据量，t_k是第k个ACK的到达时间，△t_k＝t_k-t_k-1，1/τ是滤波器的截止频率。

进一步的，S4中计算期望带宽bw_expect时采用如下公式计算：

bw_expect＝cwnd/min_rtt

其中：cwnd是当前窗口值，min_rtt是目前测得的最小往返时延。

进一步的，S5中所述剩余带宽br采用如下方式计算：

br＝bw_expect-be。

进一步的，S5中所述Hybla算法的拥塞窗口增长因子ρ_current采用如下方式计算：

ρ_current＝RTT/RTT₀

其中，RTT₀参考有线连接的往返时延，取值为25ms，RTT是当前测得的往返时延。

进一步的，S5中Hybla-BE算法的拥塞窗口增长因子ρ_new采用如下方式：

${\mathrm{\ρ}}_{\mathrm{new}}={\mathrm{\ρ}}_{\mathrm{current}}*\frac{\mathrm{br}}{\mathrm{bw}\_\mathrm{expect}}.$

实施例：

当在实施场景中开启一条连接，即构造单连接网络。链路带宽设为10M。如图3所示，Hybla-BE算法的平均窗口值明显高于Hybla算法，证明了发送端Hybla-BE算法通过基于带宽估计调整ρ值，缓解了由于窗口的激进式增长导致缓存溢出等的丢包，最终导致窗口迅速下降情况，延长了窗口持续增长的时间，因此必然会提高网络吞吐量，如图4所示。

当在实施场景中开启多条连接，即构造多连接的网络。实施场景中启动四条连接，即N＝4，发送端和接收端之间的链路带宽设为10M，由地面站和卫星构成的瓶颈链路带宽设为20M，瓶颈链路容易出现拥塞。当出现或即将出现拥塞而导致时延增大时，Hybla算法激进的窗口增长方式，反而会增加网络的拥塞程度。吞吐量如图5所示。证明了发送端Hybla-BE算法由于依赖剩余带宽对窗口进行了缩放调整，在即将出现拥塞和出现拥塞而导致往返时延增大时，与Hybla算法相比，降低了数据的发送速率，缓解了拥塞，吞吐量上提升了19％左右。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于带宽估计的卫星网络拥塞控制方法，其特征在于：包括以下步骤：

S1：建立网络传输链路，所述网络传输链路包括连接多个TCP发送端的地面站I和连接多个TCP接收端的地面站II，所述地面站I和地面站II通过高轨卫星数据通信；

S2：开始数据通信：地面站I的TCP发送端与地面站II的TCP接收端的传输层协议采用Hybla-BE拥塞控制算法进行数据通信；

S3：地面站I的TCP发送端根据到达的ACK的接收频率计算带宽估计值，即上一时刻通信所占用的带宽；

S4：计算期望带宽：所述期望带宽为理论上上一时刻网络的最大带宽；

S5：计算通信网络的剩余带宽、Hybla算法的拥塞窗口增长因子ρ_current、Hybla-BE算法的拥塞窗口增长因子ρ_new；

S6：根据调整后的窗口增长因子ρ_new调整拥塞窗口值：在慢启动阶段，每收到一个ACK拥塞窗口的增量为在拥塞避免阶段，则拥塞窗口的增量为ρ_new ²/W_i，W_i是第i个ACK到来时的拥塞窗口值，采用上述方式对拥塞窗口进行更新即：

S7：调整拥塞窗口值：地面站I的TCP发送端通过动态估计带宽值预测网络的带宽环境，根据剩余带宽对窗口增长因子进行缩放调整，实现拥塞窗口值的增长可以动态适应网络带宽状况。

2.根据权利要求1所述的一种基于带宽估计的卫星网络拥塞控制方法，其特征还在于：S3中计算带宽估计值时采用如下公式：

$\left\{\begin{array}{c}{\mathrm{BE}}_k={\mathrm{\α}}_k{\mathrm{BE}}_{k-1}+(1-{\mathrm{\α}}_k)\left(\frac{b_k+b_{k-1}}{2}\right)\\ {\mathrm{\α}}_k=\frac{2\mathrm{\τ}-{\mathrm{\Δt}}_k}{2\mathrm{\τ}+\mathrm{\Δ}{t}_k}\\ b_k=\frac{d_k}{t_k-t_{k-1}}\end{array}\right.$

其中，BE_k是t_k时刻的带宽估计值，α_k是过滤权值，d_k是第k个ACK所响应的数据量，t_k是第k个ACK的到达时间，△t_k＝t_k-t_k-1，1/τ是滤波器的截止频率。

3.根据权利要求1所述的一种基于带宽估计的卫星网络拥塞控制方法，其特征还在于：S4中计算期望带宽bw_expect时采用如下公式计算：

bw_expect＝cwnd/min_rtt

其中：cwnd是当前窗口值，min_rtt是目前测得的最小往返时延。

4.根据权利要求1所述的一种基于带宽估计的卫星网络拥塞控制方法，其特征还在于：S5中所述剩余带宽br采用如下方式计算：

br＝bw_expect-be

其中，be是当前测得的带宽估计值。

5.根据权利要求1所述的一种基于带宽估计的卫星网络拥塞控制方法，其特征还在于：S5中所述Hybla算法的拥塞窗口增长因子ρ_current采用如下方式计算：

ρ_current＝RTT/RTT₀

其中，RTT₀参考有线连接的往返时延，取值为25ms，RTT是当前测得的往返时延。

6.根据权利要求1所述的一种基于带宽估计的卫星网络拥塞控制方法，其特征还在于：S5中Hybla-BE算法的拥塞窗口增长因子ρ_new采用如下方式：

${\mathrm{\ρ}}_{\mathrm{new}}={\mathrm{\ρ}}_{\mathrm{current}}*\frac{\mathrm{br}}{\mathrm{bw}\_\mathrm{expect}}.$